第 4 期:生命的勇气
Last updated
Last updated
230708 第 4 期。
记录每周值得分享的金融量化和金融科技相关内容,周六发布。
开源内容也可以通过 量化科技周刊 网页访问。
这周歌手李玟因抑郁症轻生,7月5日离世,享年48岁。
最近几年在一些内地综艺上看到她的舞台,依然实力在线,活力四射,没想到那么耀眼的一个人,在私底下却被抑郁症折磨到失去希望。
中位数是有序列表中间的数。如果列表长度是偶数,中位数则是中间两个数的平均值。
例如,
[2,3,4]
的中位数是 3
[2,3]
的中位数是 (2 + 3) / 2 = 2.5
设计一个支持以下两种操作的数据结构:
MedianFinder()
初始化 MedianFinder
对象
void addNum(int num)
从数据流中添加一个整数 num
到数据结构中
double findMedian()
返回目前所有元素的中位数。
示例:
限制条件:
-105 <= num <= 105
在调用 findMedian
之前,数据结构中至少会有一个元素
最多可以调用 5*104
次 addNum
和 findMedian
进阶:
如果数据流中所有整数都在 0 到 100 范围内,你将如何优化你的算法?
如果数据流中 99% 的整数都在 0 到 100 范围内,你将如何优化你的算法?
最近人民币汇率持续走低,虽然7月4日,离岸人民币兑美元一度收复7.22关口,大涨至7.2162附近,日内涨超350点,创6月27日以来新高(via),但是在美联储继续加息的预期下,前景依然不是很乐观。
美联储下一个议息日是2023年7月25日~26日(via)。
Investing.com - 根據數據顯示,截至6月的第二季度,加密貨幣交易量創下了2019年第四季度以來最低水平。
研究機構CCData的一份報告指出,6月的加密貨幣交易量增長16.4%,達到5750億美元,為近3個月來首次實現增長。
不過,研究報告指出,總的來看,Q2加密貨幣交易量按季下滑40%至1.7萬億美元,按年下跌62%。
该文章介绍了调整后的R方(Adjusted R-squared)的概念和计算方法。R方是用于评估回归模型拟合优度的指标,但是当模型中增加自变量时,R方会自然地增加,这并不意味着模型的预测能力提高了。因此,需要使用调整后的R方来解决这个问题。调整后的R方通过考虑自变量数量的影响,提供了更准确的模型拟合优度指标。文章对调整后的R方的计算方法进行了详细解释,并提供了一个示例来说明其使用方法。
此外,文章还讨论了调整后的R方的优缺点,并提供了一些注意事项,以帮助数据科学家更好地使用该指标来评估回归模型的拟合优度。
这篇文章介绍了Python中的统计分析库Statsmodels,并探讨了如何使用该库进行回归分析和时间序列分析。作者首先介绍了Statsmodels的基本结构和安装方法,然后使用一个示例数据集来演示如何使用该库进行线性回归和多元回归分析。接下来,作者介绍了如何使用Statsmodels进行时间序列分析,包括如何进行时序图绘制、ACF和PACF分析、ARIMA模型拟合等。
此外,作者还探讨了如何使用Statsmodels进行面板数据分析和广义线性模型分析。
最后,作者总结了Statsmodels的优点和不足,并提供了一些使用该库的技巧和注意事项。该文章适合具有一定Python编程和统计分析基础的读者学习。
这篇论文的研究目的是对比评估不同的内核旁路机制在高性能容器间通信中的表现。研究人员使用了三种不同的内核旁路机制:共享内存、Netmap和DPDK,分别测试了它们在容器间数据传输的延迟、吞吐量和CPU利用率等性能指标。实验结果表明,DPDK相对于共享内存和Netmap更适合高性能容器间通信,因为它在吞吐量和延迟方面表现更好,并且对CPU的利用率更高。此外,研究人员还发现,在不同的负载情况下,不同的内核旁路机制具有不同的性能表现。
显然更好的网络性能在高频交易中至关重要。
Martingale 是一个零漂移的随机过程。如果一个变量的过程具有以下形式,则该变量遵循 martingale 原则
其中 0 和 T 分别表示零时和T时的数值。为了理解这个结果,请注意,在一个非常小的时间间隔内,变化是正态分布的,平均值为零。因此,在任何非常小的时间间隔内的预期变化是零。时间 0 和时间 T 之间的变化是其在许多小时间间隔内的变化之和。因此,从时间0到时间T之间的预期变化也必须是零。
这题中我们可以将原来的公式表达为微分形式
所以
具体答案请参考 LeetCode 295. 数据流的中位数
(完)
假设 是维纳随机过程(Wiener Process),并且假设
请问 是不是 martingale? 是什么类型的分布?
这里 是 Wiener process. 变量 本身可能是随机的。它可以依赖于和其他随机变量。马丁格尔有一个方便的特性,即它在未来任何时候的预期值都等于它今天的价值。这意味着
是一个只有漂移部分 的扩散过程,因此, 不是一个 martingale。
我们用部分积分法来求出 的分布。